CPG-EVAL：评估大型语言模型的汉语教学语法能力的多层次基准

本研究解决了大型语言模型在外语教学中的语法能力评估不足的问题，提出了CPG-EVAL基准，专门用于评估模型的教学语法知识。研究发现，小规模模型在单语言实例任务中表现良好，但在多实例任务和干扰情况下较为乏力，而大规模模型虽在干扰下表现更佳，但依然需要提高准确性。这一成果为教育工作者、政策制定者和模型开发者提供了系统评估的理论框架，有助于引导大型语言模型在教育中的有效部署。